در مدیریت دارایی، مدیران پورتفولیو باید به دقت شرکتها را در جهان سرمایهگذاری خود رصد کنند تا ریسکها و فرصتها را شناسایی کنند و تصمیمات سرمایهگذاری را هدایت کنند. ردیابی رویدادهای مستقیم مانند گزارشهای درآمد یا کاهش اعتبار کار سادهای است—شما میتوانید هشدارهایی را برای اطلاع مدیران از اخبار حاوی نام شرکت تنظیم کنید. با این حال، تشخیص اثرات مرتبه دوم و سوم ناشی از رویدادها در تامین کنندگان، مشتریان، شرکا یا سایر نهادها در اکوسیستم یک شرکت چالش برانگیز است.
به عنوان مثال، اختلال در زنجیره تامین در یک فروشنده کلیدی احتمالاً بر تولیدکنندگان پایین دستی تأثیر منفی خواهد گذاشت. یا از دست دادن یک مشتری برتر برای یک مشتری عمده خطر تقاضا را برای تامین کننده ایجاد می کند. اغلب اوقات، چنین رویدادهایی در سرفصل های مستقیم شرکت تحت تأثیر قرار نمی گیرند، اما همچنان باید به آنها توجه کرد. در این پست، ما یک راه حل خودکار ترکیبی از نمودارهای دانش و هوش مصنوعی مولد (AI) برای نشان دادن چنین خطراتی با ارجاع متقابل نقشه های ارتباط با اخبار لحظه ای.
به طور کلی، این مستلزم دو مرحله است: اول، ایجاد روابط پیچیده بین شرکت ها (مشتریان، تامین کنندگان، مدیران) در یک نمودار دانش. دوم، استفاده از این پایگاه داده نمودار همراه با هوش مصنوعی مولد برای تشخیص تأثیرات مرتبه دوم و سوم از رویدادهای خبری. به عنوان مثال، این راهحل میتواند نشان دهد که تاخیر در تامینکننده قطعات ممکن است باعث اختلال در تولید خودروسازان پاییندستی در یک مجموعه شود، اگرچه هیچ کدام به طور مستقیم به آنها اشاره نمیکنند.
با AWS، میتوانید این راهحل را در معماری بدون سرور، مقیاسپذیر و کاملاً رویداد محور مستقر کنید. این پست اثبات مفهومی را نشان می دهد که بر روی دو سرویس کلیدی AWS مناسب برای نمایش دانش نمودار و پردازش زبان طبیعی است: نپتون آمازون و بستر آمازون. نپتون یک سرویس پایگاه داده گراف سریع، قابل اعتماد و کاملاً مدیریت شده است که ساخت و اجرای برنامه هایی را که با مجموعه داده های بسیار متصل کار می کنند آسان می کند. Amazon Bedrock یک سرویس کاملاً مدیریت شده است که انتخابی از مدلهای پایه (FM) با کارایی بالا را از شرکتهای پیشرو هوش مصنوعی مانند AI21 Labs، Anthropic، Cohere، Meta، Stability AI، و Amazon از طریق یک API منفرد، همراه با مجموعه گستردهای از آن ارائه میکند. قابلیت ساخت برنامه های هوش مصنوعی مولد با امنیت، حریم خصوصی و هوش مصنوعی مسئول.
به طور کلی، این نمونه اولیه هنر امکانپذیری را با نمودارهای دانش و هوش مصنوعی تولیدی نشان میدهد که سیگنالهایی را با اتصال نقاط مختلف مشتق میکند. نکته مهم برای متخصصان سرمایهگذاری این است که میتوانند در صدر پیشرفتهای نزدیکتر به سیگنال قرار بگیرند و در عین حال از نویز جلوگیری کنند.
نمودار دانش را بسازید
اولین گام در این راه حل، ساختن یک نمودار دانش است، و یک منبع داده ارزشمند اما اغلب نادیده گرفته شده برای نمودارهای دانش، گزارش های سالانه شرکت است. از آنجایی که نشریات رسمی شرکت قبل از انتشار تحت بررسی دقیق قرار می گیرند، اطلاعاتی که در آنها وجود دارد احتمالاً دقیق و قابل اعتماد است. با این حال، گزارشهای سالانه در قالبی بدون ساختار نوشته میشوند که برای خواندن انسان به جای مصرف ماشین طراحی شده است. برای باز کردن پتانسیل آنها، شما به راهی نیاز دارید تا به طور سیستماتیک ثروت حقایق و روابط موجود در آنها را استخراج و ساختار دهید.
با خدمات مولد هوش مصنوعی مانند Amazon Bedrock، اکنون این قابلیت را دارید که این فرآیند را خودکار کنید. میتوانید یک گزارش سالانه بگیرید و یک خط لوله پردازش را راهاندازی کنید تا گزارش را دریافت کنید، آن را به تکههای کوچکتر تقسیم کنید و از درک زبان طبیعی برای بیرون کشیدن موجودیتها و روابط برجسته استفاده کنید.
به عنوان مثال، جمله ای که بیان می کند «[شرکت الف] ناوگان تحویل برق اروپا خود را با سفارش 1,800 ون برقی از [شرکت B] گسترش داد» به آمازون بستر اجازه می دهد موارد زیر را شناسایی کند:
- [شرکت الف] به عنوان مشتری
- [شرکت ب] به عنوان تامین کننده
- یک رابطه تامین کننده بین [شرکت الف] و [شرکت ب]
- جزئیات ارتباط “تامین کننده وانت تحویل برقی”
استخراج چنین دادههای ساختاری از اسناد بدون ساختار مستلزم ارائه اعلانهای دقیق برای مدلهای زبانی بزرگ (LLM) است تا بتوانند متن را تجزیه و تحلیل کنند تا نهادهایی مانند شرکتها و افراد و همچنین روابطی مانند مشتریان، تامینکنندگان و غیره را بیرون بکشند. درخواستها حاوی دستورالعملهای واضحی در مورد آنچه که باید به آن توجه کنید و ساختاری برای بازگرداندن دادهها به آن است. با تکرار این فرآیند در کل گزارش سالانه، میتوانید نهادها و روابط مربوطه را استخراج کنید تا یک نمودار دانش غنی بسازید.
با این حال، قبل از تخصیص اطلاعات استخراج شده به نمودار دانش، ابتدا باید موجودیت ها را ابهام کنید. به عنوان مثال، ممکن است قبلاً موجودیت «[شرکت A]» دیگری در نمودار دانش وجود داشته باشد، اما میتواند سازمانی متفاوت با همین نام را نشان دهد. Amazon Bedrock میتواند ویژگیهایی مانند حوزه تمرکز کسبوکار، صنعت، و صنایع و روابط درآمدزا را با سایر نهادها استدلال و مقایسه کند تا مشخص کند که آیا این دو موجودیت واقعاً متمایز هستند یا خیر. این امر از ادغام نادرست شرکت های غیر مرتبط در یک نهاد واحد جلوگیری می کند.
پس از تکمیل ابهامزدایی، میتوانید بهطور قابل اعتمادی موجودیتها و روابط جدیدی را به نمودار دانش نپتون خود اضافه کنید و آن را با حقایق استخراجشده از گزارشهای سالانه غنی کنید. با گذشت زمان، جذب داده های قابل اعتماد و ادغام منابع داده قابل اعتمادتر به ایجاد یک نمودار دانش جامع کمک می کند که می تواند از بینش آشکار از طریق پرس و جوها و تجزیه و تحلیل گراف پشتیبانی کند.
این اتوماسیون که توسط هوش مصنوعی مولد فعال شده است، پردازش هزاران گزارش سالانه را امکانپذیر میکند و دارایی ارزشمندی را برای تنظیم نمودار دانش باز میکند که در غیر این صورت به دلیل تلاش دستی بسیار زیاد مورد نیاز، بیاستفاده میماند.
تصویر زیر نمونه ای از کاوش بصری را نشان می دهد که در پایگاه داده گراف نپتون با استفاده از این امکان پذیر است گراف کاوشگر ابزار است.
مقالات خبری را پردازش کنید
مرحله بعدی راه حل، غنی سازی خودکار فیدهای خبری مدیران پورتفولیو و برجسته کردن مقالات مرتبط با علایق و سرمایه گذاری آنها است. برای فید اخبار، مدیران پورتفولیو می توانند از طریق هر ارائه دهنده اخبار شخص ثالث مشترک شوند تبادل داده AWS یا یک API خبری دیگر به انتخاب خود.
هنگامی که یک مقاله خبری وارد سیستم می شود، یک خط لوله جذب برای پردازش محتوا فراخوانی می شود. با استفاده از تکنیکهایی مشابه پردازش گزارشهای سالانه، Amazon Bedrock برای استخراج موجودیتها، ویژگیها و روابط از مقاله خبری استفاده میشود که سپس برای ابهامزدایی از نمودار دانش برای شناسایی موجودیت مربوطه در نمودار دانش استفاده میشود.
نمودار دانش شامل ارتباطات بین شرکتها و افراد است و با پیوند دادن موجودیتهای مقاله به گرههای موجود، میتوانید تشخیص دهید که آیا هر موضوعی در دو مرحله از شرکتهایی است که مدیر پورتفولیو در آنها سرمایهگذاری کرده یا علاقهمند است یا خیر. یافتن چنین ارتباطی نشاندهنده مقاله ممکن است مربوط به مدیر پورتفولیو باشد، و از آنجایی که دادههای اساسی در یک نمودار دانش نشان داده میشوند، میتوان آن را برای کمک به مدیر پورتفولیو درک کرد که چرا و چگونه این زمینه مرتبط است. علاوه بر شناسایی اتصالات به پورتفولیو، همچنین می توانید از Amazon Bedrock برای انجام تجزیه و تحلیل احساسات در مورد نهادهای مورد اشاره استفاده کنید.
خروجی نهایی یک فید خبری غنی شده است که مقالاتی را به نمایش می گذارد که احتمالاً بر حوزه های مورد علاقه و سرمایه گذاری مدیر پورتفولیو تأثیر می گذارد.
بررسی اجمالی راه حل
معماری کلی راه حل مانند نمودار زیر است.
گردش کار شامل مراحل زیر است:
- کاربر گزارش های رسمی (در قالب PDF) را در یک سرویس ذخیره سازی ساده آمازون سطل (Amazon S3). گزارشها باید گزارشهای رسمی منتشر شوند تا گنجاندن دادههای نادرست در نمودار دانش شما به حداقل برسد (برخلاف اخبار و تبلویدها).
- اعلان رویداد S3 یک را فراخوانی می کند AWS لامبدا تابع، که سطل S3 و نام فایل را به an ارسال می کند سرویس صف ساده آمازون صف (Amazon SQS). صف First-In-First-Out (FIFO) اطمینان حاصل می کند که فرآیند دریافت گزارش به صورت متوالی انجام می شود تا احتمال معرفی داده های تکراری به نمودار دانش شما کاهش یابد.
- An پل رویداد آمازون رویداد مبتنی بر زمان در هر دقیقه اجرا میشود تا اجرای an را شروع کند توابع مرحله AWS حالت ماشین به صورت ناهمزمان
- ماشین حالت توابع مرحله از طریق یک سری کارها برای پردازش سند آپلود شده با استخراج اطلاعات کلیدی و درج آن در نمودار دانش شما انجام می شود:
- پیام صف را از Amazon SQS دریافت کنید.
- فایل گزارش PDF را از آمازون S3 دانلود کنید، آن را به چند تکه متن کوچکتر (تقریباً 1,000 کلمه) برای پردازش تقسیم کنید، و تکه های متن را در آن ذخیره کنید. آمازون DynamoDB.
- از غزل کلود v3 Anthropic در Amazon Bedrock برای پردازش چند تکه متن اول برای تعیین موجودیت اصلی که گزارش به آن اشاره می کند، همراه با ویژگی های مرتبط (مانند صنعت) استفاده کنید.
- تکههای متن را از DynamoDB بازیابی کنید و برای هر تکه متن، یک تابع Lambda را فراخوانی کنید تا موجودیتها (مانند شرکت یا شخص) و رابطه آن (مشتری، تامینکننده، شریک، رقیب یا مدیر) را با موجودیت اصلی با استفاده از Amazon Bedrock استخراج کنید. .
- تمام اطلاعات استخراج شده را ادغام کنید.
- با استفاده از Amazon Bedrock، نویز و موجودیت های نامربوط (به عنوان مثال، اصطلاحات عمومی مانند "مصرف کنندگان") را فیلتر کنید.
- از Amazon Bedrock برای انجام ابهامزدایی با استدلال با استفاده از اطلاعات استخراجشده در برابر فهرست موجودیتهای مشابه از نمودار دانش استفاده کنید. اگر موجودیت وجود ندارد، آن را درج کنید. در غیر این صورت، از موجودی که قبلاً در نمودار دانش وجود دارد استفاده کنید. همه روابط استخراج شده را درج کنید.
- با حذف پیام صف SQS و فایل S3 پاک کنید.
- کاربر به یک برنامه وب مبتنی بر React دسترسی پیدا می کند تا مقالات خبری را مشاهده کند که با اطلاعات موجودیت، احساسات و مسیر اتصال تکمیل شده اند.
- با استفاده از برنامه وب، کاربر تعداد پرش ها (N=2 پیش فرض) را در مسیر اتصال برای نظارت مشخص می کند.
- با استفاده از برنامه وب، کاربر لیستی از موجودیت ها را برای ردیابی مشخص می کند.
- برای تولید اخبار تخیلی، کاربر انتخاب می کند تولید نمونه اخبار برای تولید 10 نمونه مقاله خبری مالی با محتوای تصادفی برای ورود به فرآیند دریافت اخبار. محتوا با استفاده از Amazon Bedrock تولید می شود و کاملاً تخیلی است.
- برای دانلود اخبار واقعی، کاربر انتخاب می کند دانلود آخرین اخبار برای دانلود برترین اخبار امروز (طراحی شده توسط NewsAPI.org).
- فایل خبر (فرمت TXT) در سطل S3 آپلود می شود. مراحل 8 و 9 اخبار را به صورت خودکار در سطل S3 آپلود می کنند، اما می توانید با ارائه دهنده اخبار دلخواه خود مانند AWS Data Exchange یا هر ارائه دهنده اخبار شخص ثالث، ادغام هایی ایجاد کنید تا مقالات خبری را به عنوان فایل در سطل S3 رها کنید. محتوای فایل داده اخبار باید به صورت قالب بندی شود
<date>{dd mmm yyyy}</date><title>{title}</title><text>{news content}</text>
. - اعلان رویداد S3، سطل یا نام فایل S3 را به Amazon SQS (استاندارد) می فرستد، که چندین تابع Lambda را برای پردازش داده های خبری به صورت موازی فراخوانی می کند:
- از Amazon Bedrock برای استخراج موجودیت های ذکر شده در خبر به همراه هرگونه اطلاعات مرتبط، روابط و احساسات موجودیت مذکور استفاده کنید.
- نمودار دانش را بررسی کنید و از Amazon Bedrock برای انجام ابهام زدایی با استدلال با استفاده از اطلاعات موجود از اخبار و از درون نمودار دانش برای شناسایی موجودیت مربوطه استفاده کنید.
- پس از یافتن موجودیت، مسیرهای اتصال مرتبط با موجودیت های علامت گذاری شده را جستجو کرده و برگردانید
INTERESTED=YES
در نمودار دانش که در فاصله N=2 پرش قرار دارند.
- برنامه وب به طور خودکار هر 1 ثانیه یک بار به روز می شود تا آخرین مجموعه اخبار پردازش شده را برای نمایش در برنامه وب بیرون بکشد.
نمونه اولیه را مستقر کنید
شما می توانید نمونه اولیه راه حل را مستقر کنید و خودتان شروع به آزمایش کنید. نمونه اولیه در دسترس است GitHub و شامل جزئیات در مورد زیر است:
- پیش نیازهای استقرار
- مراحل استقرار
- مراحل پاکسازی
خلاصه
این پست یک راه حل مفهومی اثباتی را برای کمک به مدیران پورتفولیو برای شناسایی خطرات مرتبه دوم و سوم از رویدادهای خبری، بدون ارجاع مستقیم به شرکتهایی که ردیابی میکنند، نشان داد. با ترکیب یک نمودار دانش از روابط پیچیده شرکت با تجزیه و تحلیل اخبار بلادرنگ با استفاده از هوش مصنوعی مولد، می توان تأثیرات پایین دستی را برجسته کرد، مانند تأخیر در تولید ناشی از مشکلات تأمین کننده.
اگرچه این تنها یک نمونه اولیه است، اما این راه حل نوید نمودارهای دانش و مدل های زبان را برای اتصال نقاط و استخراج سیگنال از نویز نشان می دهد. این فناوریها میتوانند با آشکارسازی سریعتر ریسکها از طریق نقشهبرداری و استدلال به متخصصان سرمایهگذاری کمک کنند. به طور کلی، این یک کاربرد امیدوارکننده از پایگاههای اطلاعاتی نمودار و هوش مصنوعی است که کاوش را برای تقویت تجزیه و تحلیل سرمایهگذاری و تصمیمگیری تضمین میکند.
اگر این مثال از هوش مصنوعی مولد در خدمات مالی برای کسب و کار شما جالب است، یا ایده مشابهی دارید، با مدیر حساب AWS خود تماس بگیرید، و ما خوشحال خواهیم شد که بیشتر با شما کاوش کنیم.
درباره نویسنده
زان هوانگ یک معمار ارشد راه حل با AWS است و در سنگاپور مستقر است. او با موسسات مالی بزرگ برای طراحی و ساخت راه حل های امن، مقیاس پذیر و بسیار در دسترس در فضای ابری کار می کند. در خارج از محل کار، زان بیشتر اوقات فراغت خود را با خانواده و سرپرستی دختر 3 ساله خود می گذراند. شما می توانید Xan را پیدا کنید لینک.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
- PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
- PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
- PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
- منبع: https://aws.amazon.com/blogs/machine-learning/uncover-hidden-connections-in-unstructured-financial-data-with-amazon-bedrock-and-amazon-neptune/
- : دارد
- :است
- :نه
- $UP
- 000
- 1
- 10
- 100
- 8
- 800
- 9
- a
- توانایی
- حساب
- دقیق
- در میان
- واقعی
- واقعا
- اضافه کردن
- اضافه
- در برابر
- AI
- خدمات هوش مصنوعی
- کمک
- تصویر، موسیقی
- معرفی
- اجازه دادن
- در امتداد
- قبلا
- همچنین
- آمازون
- نپتون آمازون
- آمازون خدمات وب
- an
- تحلیل
- علم تجزیه و تحلیل
- تحلیل
- و
- سالیانه
- دیگر
- آنتروپیک
- هر
- API
- کاربرد
- برنامه های کاربردی
- درخواست
- تقریبا
- معماری
- هستند
- محدوده
- مناطق
- درحال بپاخاستن
- دور و بر
- هنر
- مقاله
- مقالات
- مصنوعی
- هوش مصنوعی
- AS
- دارایی
- مدیریت دارایی
- At
- توجه
- خواص
- تقویت کردن
- خودکار
- خودکار بودن
- خودکار
- بطور خودکار
- اتوماسیون
- در دسترس
- اجتناب از
- دور
- AWS
- b
- مستقر
- BE
- زیرا
- بوده
- قبل از
- میان
- شکستن
- پهن
- ساختن
- بنا
- ساخته
- کسب و کار
- اما
- by
- CAN
- قابلیت های
- قابلیت
- Осторожно
- زنجیر
- به چالش کشیدن
- انتخاب
- انتخاب می کند
- کلود
- واضح
- مشتری
- نزدیک
- نزدیک
- ابر
- ترکیب
- مرتکب شدن
- شرکت
- شرکت
- شرکت
- مقايسه كردن
- رقیب
- کامل
- جامع
- مفهوم
- اتصال
- متصل
- اتصال
- ارتباط
- اتصالات
- تشکیل شده است
- ساختن
- مصرف
- شامل
- حاوی
- شامل
- محتوا
- زمینه
- شرکت
- متناظر
- میتوانست
- طراحی شده
- اعتبار
- ارجاع متقابل
- سوزش
- مشتری
- مشتریان
- داده ها
- تبادل اطلاعات
- پایگاه داده
- پایگاه های داده
- مجموعه داده ها
- دختر
- تصمیم گیری
- تصمیم گیری
- به طور پیش فرض
- تاخیر
- خوشحالم
- تحویل
- تقاضا
- نشان دادن
- نشان
- نشان می دهد
- گسترش
- استخراج
- طرح
- جزئیات
- تشخیص
- در حال تشخیص
- مشخص کردن
- تحولات
- نمودار
- مختلف
- مستقیم
- مستقیما
- مدیر
- مدیران
- متفاوت
- نمایش دادن
- مختل کردن
- قطع
- متمایز
- سند
- اسناد و مدارک
- میکند
- پایین
- دانلود
- قطره
- دو
- هر
- درامد
- اکوسیستم
- تلاش
- برقی
- فعال
- غنی شده
- غنی سازی
- مستلزم
- وارد می شود
- تمام
- اشخاص
- موجودیت
- اتر (ETH)
- اروپایی
- واقعه
- حوادث
- هر
- مثال
- تبادل
- وجود داشته باشد
- موجود
- وجود دارد
- منبسط
- تجربه
- اکتشاف
- اکتشاف
- عصاره
- حقایق
- FAIL
- خانواده
- FAST
- سریعتر
- امکان پذیر است
- ویژگی های
- تغذیه
- کمی از
- تخیلی
- پرونده
- فایل ها
- نهایی
- مالی
- اطلاعات مالی
- موسسات مالی
- اخبار مالی
- خدمات مالی
- پیدا کردن
- پیدا کردن
- نام خانوادگی
- ناوگان
- تمرکز
- پیروی
- برای
- قالب
- پایه
- رایگان
- از جانب
- کاملا
- تابع
- توابع
- بیشتر
- تولید می کنند
- تولید
- مولد
- هوش مصنوعی مولد
- گرفتن
- Go
- گراف
- نمودار ها
- راهنمایی
- اتفاق می افتد
- آیا
- he
- عناوین
- کمک
- پنهان
- زیاد
- با عملکرد بالا
- نماد
- برجسته
- مشخص کردن
- خیلی
- خود را
- هویج
- چگونه
- اما
- HTTPS
- انسان
- اندیشه
- شناسایی
- شناسایی
- if
- تأثیر
- نهفته
- اثرات
- مهم
- in
- نادرست
- شامل
- گنجاندن
- نشان می دهد
- لوازم
- صنعت
- اطلاعات
- بینش
- نمونه
- موسسات
- دستورالعمل
- ادغام
- یکپارچگی
- اطلاعات
- علاقه
- علاقه مند
- منافع
- به
- پیچیده
- معرفی
- فوق العاده گرانبها
- سرمایه گذاری
- سرمایه گذاری
- تجزیه و تحلیل سرمایه گذاری
- سرمایه گذاری
- استناد کرد
- فراخوانی میکند
- IT
- ITS
- JPG
- کلید
- دانش
- آزمایشگاه
- زبان
- بزرگ
- آخرین
- برجسته
- پسندیدن
- احتمال
- احتمالا
- لینک
- ارتباط
- فهرست
- واقع شده
- نگاه کنيد
- مطالب
- خاموش
- دستگاه
- اصلی
- عمده
- ساخت
- باعث می شود
- اداره می شود
- مدیریت
- مدیر
- مدیران
- کتابچه راهنمای
- تولید کنندگان
- نقشه ها
- علامت گذاری شده
- ممکن است..
- به معنای
- ذکر شده
- ادغام
- پیام
- متا
- به حداقل رساندن
- دقیقه
- مدل
- مانیتور
- بیش
- اکثر
- چندگانه
- نام
- نام
- طبیعی
- زبان طبیعی
- پردازش زبان طبیعی
- درک زبان طبیعی
- نیاز
- ضروری
- منفی است
- نپتون
- جدید
- اخبار
- خبرها و رویدادها
- بعد
- گره
- سر و صدا
- هیچ
- اخطار
- اکنون
- عدد
- of
- پیشنهادات
- رسمی
- رسما
- غالبا
- on
- فقط
- فرصت ها
- مخالف
- or
- سفارش
- کدام سازمان ها
- دیگر
- در غیر این صورت
- خارج
- تولید
- خارج از
- روی
- به طور کلی
- موازی
- شریک
- شرکای
- بخش
- مسیر
- راه ها
- پرداخت
- مردم
- انجام دادن
- انجام
- شخص
- خط لوله
- افلاطون
- هوش داده افلاطون
- PlatoData
- مقام
- مدیر نمونه کارها
- مدیران نمونه کارها
- به شمار
- ممکن
- پست
- پتانسیل
- صفحه اصلی
- مرجح
- جلوگیری از
- خلوت
- روند
- پردازش
- در حال پردازش
- تولید
- حرفه ای
- وعده
- امید بخش
- پرسیدن
- اثبات
- اثبات مفهوم
- نمونه اولیه
- ارائه دهنده
- ارائه
- انتشارات
- منتشر شده
- صرفا
- نمایش ها
- تصادفی
- نسبتا
- رسیدن به
- مطالعه
- زمان واقعی
- دلیل
- استدلال
- كاهش دادن
- اشاره کرد
- منابع
- اشاره
- مربوط
- ارتباط
- روابط
- آزاد
- مربوط
- قابل اعتماد
- گزارش
- گزارش ها
- نشان دادن
- نمایندگی
- نمایندگی
- نیاز
- مسئوليت
- برگشت
- آشکار
- غنی
- خطر
- خطرات
- دویدن
- اجرا می شود
- همان
- نمونه
- مقیاس پذیر
- بررسی موشکافانه
- جستجو
- دوم
- امن
- تیم امنیت لاتاری
- می فرستد
- ارشد
- جمله
- احساس
- سلسله
- بدون سرور
- سرویس
- خدمات
- تنظیم
- باید
- نشان می دهد
- سیگنال
- سیگنال
- مشابه
- ساده
- سنگاپور
- تنها
- کوچکتر
- So
- راه حل
- مزایا
- منبع
- منابع
- صرف می کند
- انشعاب
- ثبات
- استاندارد
- شروع
- دولت
- حاکی
- ماندن
- گام
- مراحل
- هنوز
- ذخیره سازی
- opbevare
- ساده
- ساختار
- ساخت یافته
- مشترک
- چنین
- مناسب
- تهیه کننده
- تامین کنندگان
- عرضه
- زنجیره تامین
- پشتیبانی
- مطمئن
- سطح
- سیستم
- بطور سیستماتیک
- گرفتن
- وظایف
- تکنیک
- فن آوری
- قوانین و مقررات
- متن
- نسبت به
- که
- La
- اطلاعات
- شان
- سپس
- آنجا.
- اینها
- آنها
- شخص ثالث
- این
- اگر چه؟
- هزاران نفر
- از طریق
- زمان
- به
- امروز
- با هم
- ابزار
- بالا
- مسیر
- پیگردی
- ماشه
- دو
- برملا کردن
- تحت تاثیر قرار می گیرد
- اساسی
- فهمیدن
- درک
- جهان
- باز
- باز کردن
- بدون ساختار
- استفاده نشده
- آپلود شده
- استفاده کنید
- استفاده
- کاربر
- با استفاده از
- ارزشمند
- فروشنده
- بسیار
- چشم انداز
- بصری
- حکم
- مسیر..
- we
- ثروت
- وب
- برنامه تحت وب
- خدمات وب
- خوب
- چی
- که
- در حین
- چرا
- اراده
- با
- در داخل
- بدون
- کلمات
- مهاجرت کاری
- گردش کار
- با این نسخهها کار
- خواهد بود
- کتبی
- هنوز
- شما
- شما
- خودت
- زفیرنت